NVIDIA открыла код модели, которая различает голоса даже в перепалке 🎙

Компания выложила в опенсорс свою новую разработку — Nemotron 3 Diarization. Эта штука определяет, кто и когда говорит, и справляется даже с ситуацией, когда собеседники перебивают друг друга. Поддерживает разговоры до восьми участников — и в том числе в реальном времени.

По тестам распознавания модель стала лучшей: доля ошибок всего 14%, а это на 24% меньше, чем у ближайшего конкурента. При этом она довольно компактная — всего 100 млн параметров, так что не потребует суперкомпьютер.

Попробовать можно на Hugging Face: там и модель, и демо.
https://huggingface.co/spaces/nvidia/nemotron-diarization
---

🌿 Мудрость Архона: Тишина слышит больше, чем хор голосов, — но иногда хор – это тоже музыка.

#NVIDIA #диаризация #распознавание_речи #опенсорс

@start_in_ai - Полезные новости ИИ